深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
6141	2026-06-07	Hybrid learning: a combination of self-supervised and supervised learning for joint MRI reconstruction and denoising in low-field MRI 2026-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae792b PMID:42248205	研究论文	提出一种结合自监督学习和监督学习的混合学习框架，用于低场MRI中的联合重建与去噪	首次将自监督学习和监督学习分阶段结合，利用低信噪比全采样数据生成伪参考再用于监督训练，解决了低场MRI中高质量参考数据难以获取和低信噪比下性能退化的问题	未提及在超高噪声或极端欠采样情况下的表现，且伪参考质量可能受自监督学习性能限制	开发一种能在仅低信噪比训练数据下实现联合MRI重建和去噪的新训练框架	低场MRI中的图像重建和噪声去除问题	机器学习	NA	MRI	深度学习模型	图像	包含乳腺、肺部和脑部的模拟和真实噪声MRI数据，场强从0.3T到3T，采样轨迹包括笛卡尔、螺旋和径向，未明确样本数量	NA	NA	结构相似性指数（SSIM）、归一化均方误差（NMSE）、高频误差范数（HFEN）	NA
6142	2026-06-07	Hyperspectral Imaging for Breast-Conserving Surgery Margin Assessment: A Systematic Review 2026-Jun-05, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2025-0627-RA PMID:42248565	系统综述	系统评价高光谱成像在保乳手术切缘评估中的应用	首次系统梳理了高光谱成像在乳腺癌保乳手术切缘评估中的方法学、机器学习模型、诊断性能及与标准技术的对比	硬件庞大、校准要求高、光谱分辨率降低、监管批准困难，尚无设备获批用于术中切缘评估	评估高光谱或多光谱成像用于乳腺癌切缘评估的研究进展	新鲜保乳手术标本或组织切片的乳腺癌样本	机器学习、数字病理学	乳腺癌	高光谱成像、多光谱成像	线性判别分析、支持向量机、卷积神经网络、聚类算法	光谱图像	24项研究	NA	NA	敏感性、特异性、受试者工作特征曲线下面积	NA
6143	2026-06-07	Performance Analysis of Machine Learning Techniques for Voice Spoofing Detection 2026-Jun-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2026.05.013 PMID:42248755	研究论文	对四种语音欺骗检测模型进行对比实验分析	在标准化设置下对比传统机器学习与深度学习模型，强调根据部署需求而非仅准确率选择模型	仅使用ASVspoof 2019逻辑访问数据集，未覆盖更广泛场景	分析不同机器学习技术在语音欺骗检测中的性能，为模型选择提供指导	语音欺骗检测模型（SVM、GMM、ResNet、Wav2Vec 2.0）	自然语言处理	NA	NA	SVM、GMM、ResNet、Wav2Vec 2.0	语音	ASVspoof 2019逻辑访问数据集	NA	SVM、GMM、ResNet、Wav2Vec 2.0	等错误率、串联检测成本函数、训练时间、推理时间	NA
6144	2026-06-07	A novel-based Kolmogorov-Arnold Networks for high accuracy mapping of water and vegetation: a study of the global main rivers 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53332-7 PMID:42248949	研究论文	本研究提出基于Kolmogorov-Arnold网络的新型深度学习架构，用于全球主要河流水体与植被的高精度像素级分类	首次将具有可学习激活函数的KANs应用于遥感领域，在混合像素和边界像素分类上优于传统方法，且架构更紧凑，能有效利用有限光谱信息	在所有区域并未一致优于MLP模型	评估KANs在遥感水体与植被分类中的性能及其替代传统模型的潜力	全球九条主要河流（亚马逊河、卡伦河、恒河、密西西比河、尼罗河、莱茵河、塞纳河、阿拉伯河、长江）的水体与植被分布	机器学习	NA	Sentinel-2遥感影像	KAN (Kolmogorov-Arnold网络)和MLP（多层感知机）	图像（Sentinel-2影像）	2023年九条全球主要河流的观测数据集	NA	KAN、MLP	Kappa系数、准确率	NA
6145	2026-06-07	An end-to-end deep learning framework with nonstationary weighting strategy for enhancing reservoir landslide displacement prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55915-w PMID:42248995	研究论文	提出一种带有非平稳加权策略的端到端深度学习框架，用于增强水库滑坡位移预测	提出动态权重生成器(DWG)，能学习历史窗口中每个变量和每个时间步的权重，克服传统深度学习模型采用固定滑动窗口且对所有变量和时间步赋予相同权重的局限性	NA	提高水库滑坡位移预测的准确性	水库滑坡位移	机器学习	NA	NA	CNN、LSTM、Transformer、Mamba	时间序列数据	NA	NA	CNN、LSTM、Transformer、Mamba	NA	NA
6146	2026-06-07	VerbaFake, EchoFake, and PixelFake: lightweight architectures with advanced augmentation for unimodal deepfake detection 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56292-0 PMID:42249019	研究论文	本文提出一种基于多种深度学习模型的单模态深度伪造检测框架，覆盖图像、文本和音频三种模态	提出了三种轻量级自建模型（VerbaFake、EchoFake、PixelFake），并集成先进数据增强策略，实现高精度单模态深度伪造检测	未充分讨论跨模态泛化能力以及模型在真实复杂场景下的鲁棒性	开发一种轻量级、实时可用的深度伪造检测系统，提升对伪造图像、文本、音频的识别能力	深度伪造内容，包括图像、文本和音频三种模态	计算机视觉,自然语言处理,机器学习	NA	NA	CNN, 注意力机制, GRU, BiLSTM, 胶囊网络	图像, 文本, 音频	超过26,000张图像样本、20,000个音频片段和31,429条文本条目	NA	MobileNetV2, EfficientNetV2-S, PixelFake, VerbaFake, Efficient-CapsNet, Attention-based BiLSTM, Xception, DenseNet201, EchoFake	准确率	NA
6147	2026-06-07	Deep Learning Inverse Design of Phase-Change Reconfigurable Terahertz Metadevices for Multidimensional Secure Communication 2026-Jun-05, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73630 PMID:42249641	研究论文	提出了一种基于深度学习的逆向设计框架，用于创建动态可重构的太赫兹超构器件，实现多维安全通信	利用残差神经网络将目标电磁响应直接映射到器件几何结构，消除传统迭代设计瓶颈，实现快速高精度生成多样化超构架构，并实现八通道加密全息和双密钥安全协议下的通用逻辑操作	NA	设计用于6G网络物理层安全通信的可重构太赫兹超构器件	太赫兹超构器件中的相变材料（GeSbTe，GST）及其电磁响应	机器学习	NA	太赫兹波技术	残差神经网络（ResNet）	电磁响应数据	NA	NA	残差神经网络	串扰水平、近衍射极限保真度	NA
6148	2026-06-07	PMB-NN: Physiology-centered hybrid AI for personalized hemodynamic monitoring from photoplethysmography 2026-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109479 PMID:42248129	研究论文	提出一种基于生理模型与深度学习混合的PMB-NN方法，用于从光电容积描记信号个性化监测血流动力学参数	将深度学习和基于Windkessel的2元件生理模型统一为混合AI框架，以R和C参数作为物理约束，实现血压和血流动力学参数的可解释估计	在自主神经挑战下数值误差增加，且舒张压性能低于纯深度学习模型	开发一种生理可解释的混合AI方法，用于个性化无创血压和血流动力学监测	光电容积描记信号和人口统计信息	机器学习	心血管疾病	光电容积描记法	神经网络	时序数据	10名健康年轻成人（初级队列）和37名年龄18-88岁的多样化队列	NA	生理模型基神经网络	中位数平均绝对误差，生理合理性相关性，参数估计保真度	NA
6149	2026-06-07	Image-based high-throughput phenotyping enables genetic analyses of pod morphological traits in mungbean (Vigna radiata (L.) R. Wilczek) 2026-Jun-03, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag106 PMID:42048549	研究论文	利用基于图像的深度学习表型分析对绿豆荚果形态性状进行遗传剖析	首次将图像分析高通量表型与全基因组关联研究(GWAS)和基因组预测相结合，揭示绿豆荚果性状的遗传基础，并证明基于图像的表型在复杂形状性状上比手动测量有高达22%的精度提升	研究中未提及光照条件、图像分辨率等环境因素对表型提取稳定性的影响，且仅基于两年数据，可能未完全覆盖环境变异	开发并验证基于图像的深度学习表型方法，用于绿豆荚果形态性状的遗传分析和基因组预测	爱荷华绿豆多样性(IMD)群体的372个基因型，共2,418张荚果图像	数字病理学、机器学习	不适用	深度学习图像分析、全基因组关联研究(GWAS)、基因组预测	深度学习模型（具体架构未明确说明）	图像（荚果图像）和基因组数据	372个基因型，2,418张图像	NA	NA（论文未指定具体架构名称）	皮尔逊相关系数(r)、基因组预测准确度	NA
6150	2026-06-07	Multi-omics and artificial intelligence for precision drug discovery and potential clinical applications 2026-Jun-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02631-6 PMID:42230553	综述	综述了多组学技术与人工智能在精准药物发现及潜在临床应用中的整合应用	系统阐述了多组学与AI融合在药物研发全流程中的变革性作用，包括靶点识别、药物重定位和从头化合物发现，并强调其在肿瘤、神经退行性疾病和心血管疾病中的应用前景	多组学数据整合、结果可重复性保证及算法偏倚缓解等挑战仍待解决	探讨多组学与AI结合在药物发现和临床转化中的潜力与应用框架	多组学数据（基因组、转录组、蛋白质组、代谢组）与AI方法在药物研发中的应用	机器学习, 数字病理学	肿瘤, 神经退行性疾病, 心血管疾病	全基因组关联分析, 转录组测序, 蛋白质组互作图谱, 代谢组测序	深度学习架构	组学数据	NA	NA	NA	NA	NA
6151	2026-06-07	A Hybrid Deep Learning Framework with Supervised Contrastive Learning for Robust Seizure Detection in Long-Term EEG 2026-Jun-03, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02395-0 PMID:42234066	研究论文	提出一种名为CNN-SwT的混合深度学习框架，结合CNN和Swin Transformer，并采用监督对比学习，用于长程脑电图中的鲁棒性癫痫发作检测	结合CNN和Swin Transformer捕获脑电图时空局部特征与全局依赖关系，用监督对比学习替代传统交叉熵损失以处理极端数据不平衡问题	NA	实现长程脑电图中癫痫发作的自动、准确和鲁棒检测	癫痫发作检测中的脑电图信号	机器学习	癫痫	EEG	CNN, Swin Transformer	脑电图信号	CHB-MIT公开数据库和SH-SDU数据库，具体样本数未提及	PyTorch	CNN, Swin Transformer	事件级灵敏度，假阳性率	NA
6152	2026-06-07	Contrastive adapter training and consensus knowledge distillation for multi-source-free domain adaptation in skin cancer diagnosis 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103465 PMID:42247734	研究论文	提出对比适配器训练与共识知识蒸馏方法，用于多源无源域自适应的皮肤癌诊断	在冻结的ViT骨干中引入轻量级ConvPass适配器，通过监督对比学习建立共享域不变特征空间，并使用共识知识蒸馏聚合多源模型logits作为监督信号，避免灾难性遗忘和过拟合	未提及在数据集大小极度不平衡或罕见病变类型上的性能，且仅基于公开皮肤病变数据集验证	解决多源无监督域适应中源数据不可访问时的域偏移问题，提升皮肤癌诊断的隐私保护性	皮肤病变图像，包括黑色素瘤和良性痣	数字病理学	皮肤癌	无明确技术（基于图像处理）	ViT	图像	五个公开皮肤病变数据集	PyTorch	ViT, ConvPass适配器	AUROC	NA
6153	2026-06-07	Whitening black boxes: Interpretable and explainable DL-based systems for trustworthy healthcare 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103458 PMID:42247733	综述	本文对用于医学图像分类的可解释人工智能方法进行了分类综述，分析了不同解释技术的优缺点及其在医疗环境中的影响	提出了基于反向传播、扰动、注意力和概念四种类别的XAI方法分类法，并系统评估了分类器类型对解释技术选择的影响	仅涵盖2020年1月至2025年7月间Scopus和Google Scholar收录的论文，且专注于图像分类领域，未涉及其他医学数据类型或任务	综述可解释人工智能方法在医疗图像分类中的应用，推动透明且临床可靠的深度学习系统发展	2019-2024年间发表的69篇关于可解释人工智能与医学图像分类的论文	数字病理学	NA	NA	深度学习模型	医学图像	69篇相关论文	NA	NA	NA	NA
6154	2026-06-07	Artificial intelligence in predicting anesthetic complications: current techniques, clinical applications, and limitations 2026-Jun-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106527 PMID:42248065	综述	本文系统综述了人工智能在预测麻醉并发症中的应用，涵盖技术方法、临床挑战及未来方向	首次系统梳理AI在麻醉各阶段（术前、术中、术后）的应用进展，并提出P4医学框架下的决策支持工具定位	未涉及实际临床部署效果评估，缺乏跨机构验证数据，未解决算法偏见与数据可靠性等关键问题	评估AI在预测麻醉并发症中的技术应用与临床价值，探讨实施障碍及伦理考量	82项相关研究，涵盖机器学习、深度学习、自然语言处理、计算机视觉等AI技术	计算机视觉, 自然语言处理, 机器学习	麻醉并发症（术中低血压、呼吸衰竭、术后恶心呕吐、疼痛控制）	机器学习（随机森林、支持向量机）、深度学习、自然语言处理、计算机视觉、贝叶斯模型、模糊逻辑	随机森林, 支持向量机, 深度学习模型	文本（医学记录）、图像（术中监测影像）、时间序列（生理信号）	82项系统检索的研究	NA	NA	AUC（0.85-0.94 vs 传统方法0.76-0.88），阿片类药物使用减少率（15-35%）	NA
6155	2026-06-07	Prediction of circular RNA-RNA binding protein binding sites based on structural feature and dynamic feature screening 2026-Jun-02, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152870 PMID:42235771	研究论文	提出 circGMST 模型，基于结构特征和动态特征筛选预测环状RNA与RNA结合蛋白的结合位点	首次同时整合全序列和单核苷酸分辨率预测，并设计门控多尺度融合块以解决动态特征选择问题	未在摘要中明确说明局限性	预测环状RNA与RNA结合蛋白的结合位点，阐明调控机制并识别潜在治疗靶点	包含七种RNA结合蛋白的乳腺癌特异性可变长度环状RNA序列	机器学习	乳腺癌	NA	Gated Multiscale Fusion (GMF)	序列数据	由七种RNA结合蛋白的可变长度环状RNA序列构成的乳腺癌特异性数据集	PyTorch	Gated Multiscale Fusion (GMF)	准确性、精确性、召回率、F1分数、AUC	NA
6156	2026-06-07	Deep learning-assisted proteomic dissection reveals sex-biased and shared proteomic patterns in Populus deltoides under waterlogging stress and subsequent recovery 2026-Jun-02, Tree physiology IF:3.5Q1 DOI:10.1093/treephys/tpag056 PMID:42041130	研究论文	利用深度学习辅助蛋白质组学分析，揭示美洲黑杨在涝渍胁迫及恢复过程中性别偏倚和共有的蛋白质组模式	首次将自编码器、图神经网络(GNN)和SHAP可解释性方法整合到iTRAQ定量蛋白质组学中，发现涝渍胁迫下美洲黑杨性别偏倚的蛋白质组可塑性是恢复潜力的关键决定因素	NA	探索美洲黑杨在涝渍胁迫及恢复过程中性别偏倚的蛋白质组模式，揭示功能二态性的隐藏层次	雌雄美洲黑杨个体	机器学习	NA	iTRAQ定量蛋白质组学	自编码器、图神经网络(GNN)、GraphSAGE、随机森林、XGBoost	蛋白质丰度数据	NA	NA	自编码器、GNN、GraphSAGE、随机森林、XGBoost	NA	NA
6157	2026-06-07	GFLearn: Generalized Feature Learning for Drug-Target Binding Affinity Prediction 2026-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3538497 PMID:40031740	研究论文	提出GFLearn模型，通过集成图神经网络与自监督不变特征学习模块，提升药物-靶标结合亲和力预测的泛化能力	融合自监督不变特征学习与图神经网络，从药物和靶标中提取鲁棒且高度泛化的特征，有效应对数据分布偏移带来的性能下降问题	文中未明确提及局限性	解决现有方法预测新药物和新靶标时性能受限的问题，提升药物-靶标结合亲和力预测的泛化能力	药物-靶标结合亲和力预测	机器学习	NA	NA	图神经网络、自监督学习	NA	两个不同数据集，涵盖新药物、新靶标及组合三种挑战场景	NA	图神经网络、自监督不变特征学习模块	NA	NA
6158	2026-06-07	A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images 2026-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3559909 PMID:40208763	研究论文	提出了基于深度学习的布鲁氏菌性脊柱炎MRI诊断框架BSMRINet，用于T2加权MR图像自动检测	首个专门用于MR图像检测布鲁氏菌性脊柱炎的深度学习模型，集成角点检测算法与ResNet、DenseNet架构，并引入scSE网络	未提及	开发全自动诊断框架以辅助布鲁氏菌性脊柱炎的放射学诊断并提升医生能力	布鲁氏菌性脊柱炎病变的椎体与脊柱MR图像	计算机视觉	布鲁氏菌性脊柱炎	MRI	CNN	图像	582例来自4家医院2018年1月至2023年8月的队列	PyTorch	ResNet, DenseNet, scSE	鲁棒性、泛化能力	NA
6159	2026-06-07	Temporal Integrative Machine Learning for Early Detection of Diabetic Retinopathy Using Fundus Imaging and Electronic Health Records 2026-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578197 PMID:40489278	研究论文	提出一种时间整合机器学习系统，利用眼底图像和电子健康记录早期检测糖尿病视网膜病变	创新处理电子健康记录数据，聚焦时间趋势和长期患者病史，创建数千个时间特征捕捉动态演变，结合双模态模型（时间表格模型和多模态深度学习模型）实现早期检测	数据主要未标记，采用伪标签技术；依赖单一医院数据，可能影响泛化性	早期和增强检测糖尿病视网膜病变	糖尿病视网膜病变患者	机器学习	糖尿病视网膜病变	眼底成像	深度学习多模态模型、时间表格模型	图像和时间序列数据	5000名患者，25000张视网膜图像，电子健康记录长达20年	NA	NA	AUROC	NA
6160	2026-06-07	Automatic Multi-Task Segmentation and Vulnerability Assessment of Carotid Plaque on Contrast-Enhanced Ultrasound Images and Videos via Deep Learning 2026-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3581686 PMID:40540369	研究论文	提出基于深度学习的多任务模型，用于颈动脉斑块对比增强超声图像和视频的自动分割及易损性评估	首次开发多任务深度学习模型同时进行颈动脉斑块分割和IPN分级分类，并在CEUS视频上实现临床工作流模拟，超越中低级放射科医生性能	未提及模型在多样化临床数据集上的泛化性验证及与其他现有方法的全面比较	实现颈动脉斑块CEUS图像和视频的自动分割与IPN分级，提升临床诊断效率与准确性	颈动脉斑块内新生血管（IPN）	计算机视觉	心血管疾病	对比增强超声（CEUS）	多任务深度学习模型	图像和视频	未明确说明样本数量	NA	NA	Dice系数, 准确率	NA